python写xml文件制作目标检测_基于Tensorflow的车辆检测和车型识别

1 项目介绍

本项目实现了一个车辆检测及车型识别系统。项目数据集为在停车场出入口，路口，高速卡口等位置采集的图片数据，数据共包含48856张不同汽车型号的图片，其中43971张作为训练集，4885张作为验证集，需要注意的是本数据集仅包含汽车型号的标签，而不包含图片中目标的位置信息即标定框信息。本项目基于tensorflow提供的slim分类框架和object detection框架完成。

由于项目提供的数据集中不包含目标位置信息，针对此问题，我们采用ssd预训练模型结合人工标注训练了一个多目标检测器，可以检测一整张图片中的多辆汽车，并且可以检测到图片中的小目标车辆。使用训练好的模型检测所有数据集中的目标车辆并裁剪，利用裁剪出的车辆及对应的车型标签训练一个分类器，分类器的准确率可以达到91%，top5可以达到95%。

项目采取了检测-分类两步策略，使用训练好的检测器检测图片中的目标车辆并将其裁剪出来，放入到分类模型中进行分类，最后将检测和分类的结果进行整合标注的原图中，在web页面进行显示。

2 数据探索与分析

目标检测中关键的步骤之一是对图像目标做标定框并生成对应的xml文件，所以需要将课程提供的tfrecord文件转为图像数据。参考download_and_convert_flowers.py文件从tfrecord提取图片各类信息，并存为jpg格式图片。还原后的图片按照车型类名存储到 764个文件夹里，并对文件夹里的图片进行粗略清洗，对一些明显的错误类数据进行删除，例如比亚迪元车型类别中出现的跑车图片进行删除，如下图所示：